Bajo condiciones de gran desalineación en azimut, la alineación inicial de los sistemas de navegación inercial strapdown (SINS) se ve desafiada por las características no lineales del modelo de error. Los algoritmos tradicionales de filtro de partículas (PF) sufren de la selección inapropiada de funciones de densidad de importancia y de una severa degeneración de partículas, lo que limita su aplicabilidad en navegación de alta precisión. Para abordar estas limitaciones, este documento propone un algoritmo de filtro de partículas de cubatura radial esférica de orden mixto adaptativo (MLG-AMSSRCPF) basado en la representación del grupo de Lie matricial. En este enfoque, los errores de actitud se representan en el grupo de Lie matricial SO(3), mientras que los errores de velocidad y los sesgos de los sensores inerciales se mantienen en el espacio euclidiano. Se logra una conversión bidireccional eficiente entre los espacios euclidiano y de variedad a través de mapas exponenciales y logarítmicos, lo que permite una estimación precisa de la actitud sin necesidad de matrices jacobianas. Se introduce una transformación de cubatura de orden híbrido para reducir los errores de linealización del modelo, mejorando así la precisión de la estimación. Para mejorar la adaptabilidad del algoritmo en entornos de ruido dinámico, se integra un mecanismo de actualización de la covarianza del ruido adaptativo. Mientras tanto, la similitud de las partículas se evalúa utilizando la distancia euclidiana, lo que permite el ajuste dinámico del número de partículas para equilibrar la precisión del filtrado y la carga computacional. Además, se emplea una función de pérdida de Huber multivariante para ajustar adaptativamente los pesos de las partículas, suprimiendo efectivamente la influencia de los valores atípicos y mejorando significativamente la robustez del filtro. Los resultados de simulación y experimentales validan el rendimiento superior del algoritmo propuesto bajo condiciones de alineación de base móvil. En comparación con el filtro de partículas de cubatura convencional (CPF), la precisión de rumbo del algoritmo MLG-AMSSRCPF mejoró en un 31.29% bajo interferencia de valores atípicos de medición y en un 39.79% bajo escenarios de mutación de ruido del sistema. En comparación con el filtro de Kalman sin ruido (UKF), se obtuvieron mejoras del 58.51% y 58.82%, respectivamente. Estos resultados demuestran que el método propuesto mejora sustancialmente la precisión del filtrado, la robustez y la eficiencia computacional de los SINS, confirmando su valor práctico para la alineación inicial en sistemas de navegación de alto ruido, dinámicos complejos y no lineales.